Data nilai ujian statistika:65, 70, 75, 80, 85, 90, 95, 100Langkah-langkah:1. Mencari sebaran data (range) = 100 - 65 + 1 = 362. Menentukan banyak kelas dengan rumus k = 1 + 3.3 log n = 1 + 3.3 log 8 = 5 kelas 3. Menentukan lebar kelas = sebaran/banyak kelas = 36/5 = 8Distribusi frekuensinya:Kelas Batas Bawah Batas Atas Frekuensi
Sizi99 : Situs Judi Slot Online Gacor Terpercaya & Slot Terbaik Hari IniSizi99
More Related Content
Similar to Data nilai ujian statistika:65, 70, 75, 80, 85, 90, 95, 100Langkah-langkah:1. Mencari sebaran data (range) = 100 - 65 + 1 = 362. Menentukan banyak kelas dengan rumus k = 1 + 3.3 log n = 1 + 3.3 log 8 = 5 kelas 3. Menentukan lebar kelas = sebaran/banyak kelas = 36/5 = 8Distribusi frekuensinya:Kelas Batas Bawah Batas Atas Frekuensi
Similar to Data nilai ujian statistika:65, 70, 75, 80, 85, 90, 95, 100Langkah-langkah:1. Mencari sebaran data (range) = 100 - 65 + 1 = 362. Menentukan banyak kelas dengan rumus k = 1 + 3.3 log n = 1 + 3.3 log 8 = 5 kelas 3. Menentukan lebar kelas = sebaran/banyak kelas = 36/5 = 8Distribusi frekuensinya:Kelas Batas Bawah Batas Atas Frekuensi (20)
Sakai99 : Daftar Situs Judi Slot Online Gacor Terpercaya Gampang Maxwin
Data nilai ujian statistika:65, 70, 75, 80, 85, 90, 95, 100Langkah-langkah:1. Mencari sebaran data (range) = 100 - 65 + 1 = 362. Menentukan banyak kelas dengan rumus k = 1 + 3.3 log n = 1 + 3.3 log 8 = 5 kelas 3. Menentukan lebar kelas = sebaran/banyak kelas = 36/5 = 8Distribusi frekuensinya:Kelas Batas Bawah Batas Atas Frekuensi
2. KONSEP DASAR
1. Statistik sebagai ilmu
penunjang, disebut STATISTIKA
2. Statistik sebagai kumpulan
data
3. Statistik sebagai atribut
kuantitatif dari sampel
3. STATISTIKA :
Kegiatan untuk :
• mengumpulkan data
• menyusun data
• menyajikan data
• menganalisis data dengan metode tertentu
• menginterpretasikan hasil analisis
KEGUNAAN
?
STATISTIKA DESKRIPTIF :
Berkenaan dengan pengumpulan, pengolahan, dan penyajian sebagian atau seluruh data
untuk memberikan informasi tanpa uji hipotesi dan pengambilan kesimpulan
STATISTIKA INFERENSI :
Setelah data dikumpulkan, maka dilakukan berbagai metode statistik untuk
menganalisis data (didalamnya terdapat uji hipotesis, dan kemudian dilakukan
interpretasi serta diambil kesimpulan.
Statistika inferensi akan menghasilkan generalisasi (jika sampel representatif)
Melalui fase
dan fase
1. Konsep Statistika
4. 2. Statistika & Metode Ilmiah
METODE ILMIAH :
Adalah salah satu cara mencari kebenaran yang bila ditinjau dari segi
penerapannya, resiko untuk keliru paling kecil.
LANGKAH-LANGKAH DALAM METODE ILMIAH :
1. Merumuskan masalah
2. Melakukan studi literatur
3. Membuat dugaan-dugaan, pertanyaan-pertanyaan atau hipotesis
4. Mengumpulkan dan mengolah data, menguji hipotesis,
atau menjawab pertanyaan
5. Mengambil kesimpulan
PERAN STATISTIKA
INSTRUMEN
SAMPEL
VARIABEL
SIFAT DATA
METODE ANALISIS
5. 3. Data
DATA berdasarkan jenisnya terbagi atas DATA KUALITATIF dan DATA KUANTITATIF
DATA KUALITATIF :
Data yang dinyatakan dalam
bentuk bukan angka.
Contoh : jenis pekerjaan,
status marital, tingkat
kepuasan kerja
DATA KUANTITATIF :
Data yang dinyatakan dalam
bentuk angka
Contoh : lama bekerja,
jumlah gaji, usia, hasil
ulangan
DATA
Tingkat
Skala
NOMINAL RASIO
ORDINAL INTERVAL
6. 4. Data
DATA NOMINAL :
Data berskala nominal adalah data yang diperoleh dengan cara kategorisasi atau klasifikasi.
CIRI : posisi data setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : jenis kelamin, jenis pekerjaan
DATA ORDINAL :
Data berskala ordinal adalah data yang dipeoleh dengan cara kategorisasi atau klasifikasi, tetapi
di antara data tersebut terdapat hubungan
CIRI : posisi data tidak setara
tidak bisa dilakukan operasi matematika (+, -, x, :)
CONTOH : kepuasan kerja, motivasi
DATA INTERVAL :
Data berskala interval adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui. Tidak memiliki 0 absolut
CIRI : Tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : temperatur yang diukur berdasarkan 0C dan 0F
DATA RASIO :
Data berskala rasio adalah data yang diperoleh dengan cara pengukuran, di mana jarak antara
dua titik skala sudah diketahui dan mempunyai titik 0 absolut.
CIRI : tidak ada kategorisasi
bisa dilakukan operasi matematika
CONTOH : gaji, jumlah buku, berat benda
7. 5. Pengolahan Data
PROSEDUR PENGOLAHAN DATA :
A. PARAMETER : Berdasarkan parameter yang ada statistik dibagi menjadi
• Statistik PARAMETRIK : berhubungan dengan inferensi statistik yang
membahas parameter-parameter populasi; jenis data interval atau rasio;
distribusi data normal atau mendekati normal.
• Statistik NONPARAMETRIK : inferensi statistik membahas parameter-
parameter populasi; jenis data nominal atau ordinal; distribusi data tidak
diketahui atau tidak normal
B. JUMLAH VARIABEL : berdasarkan jumlah variabel dibagi menjadi
• Analisis UNIVARIAT : hanya ada 1 pengukuran (variabel) untuk n
sampel atau beberapa variabel tetapi masing-masing variabel dianalisis
sendiri-sendiri..
• Analisis BIVARIAT
Contoh : korelasi motivasi dengan pencapaian akademik
• Analisis MULTIVARIAT : dua atau lebih pengukuran (variabel) untuk n
sampel di mana analisis antar variabel dilakukan bersamaan. Contoh :
pengaruh motivasi terhadap pencapaian akademik yang dipengaruhi oleh
faktor latar belakang pendidikan orang tua, faktor sosial ekonomi, faktor
sekolah.
8. 7. Penyajian Data
TABEL
Tabel 1.1 Bidang Pekerjaan berdasarkan Latar Belakang Pendidikan
Count
1 8 6 15
1 7 8
4 3 5 12
2 14 11 27
3 4 6 13
10 30 35 75
administrasi
personalia
produksi
marketing
keuangan
bidang
pekerjaan
Jumlah
SMU Akademi Sarjana
pendidikan
Jumlah
GRAFIK administrasi
personalia
produksi
marketing
keuangan
bidang pekerjaan
Pies show counts
9. 8. Membuat Tabel
TABEL : memberikan informasi secara rinci. Terdiri atas kolom dan baris
TABEL
KOLOM
Kolom pertama : LABEL
Kolom kedua …. n : Frekuensi atau label
BARIS Berisikan data berdasarkan kolom
Asal Wilayah
Pendapat tentang sertifikasi
Jumlah
Sangat
perlu
Perlu Tidak
tahu
Tidak
perlu
Sangat
tdk
perlu
Jawa Barat
Jawa Tengah
Jawa Timur
NTT
Papua
Jumlah
Tabel Tabulasi Silang
10. 9. Membuat Grafik
GRAFIK : memberikan informasi dengan benar dan cepat, tetapi tidak rinci.
Syarat :
1. Pemilihan sumbu (sumbu tegak dan sumbu datar), kecuali grafik lingkaran
2. Penetapan skala (skala biasa, skala logaritma, skala lain)
3. Ukuran grafik (tidak terlalu besar, tinggi, pendek)
Sumbu
tegak
1
2
3
4
1 2 3 4
Sumbu datar
0
Titik
pangkal
Jenis Grafik :
• Grafik Batang (Bar)
• Grafik Garis (line)
• Grafik Lingkaran (Pie)
• Grafik Interaksi (Interactive)
12. 11. Frekuensi
FREKUENSI : banyaknya data untuk satu kelompok/klasifikasi
KELOMPOK FREKUENSI
Kelompok ke-1 f1
Kelompok ke-2 f2
Kelompok ke-3 f3
Kelompok ke-i fi
Kelompok ke-k fk
k
n = Σ fi
i=1
Pendidikan Frekuensi
S1 62
S2 19
S3 9
90
k
n = Σ fi = f1 + f2 + f3 +….. + fi + …… + fk
i=1
13. DISTRIBUSI FREKUENSI : mengelompokkan data interval/rasio dan menghitung
banyaknya data dalam satu kelompok/klasifikasi
12. Distribusi Frekuensi
Membuat distribusi frekuensi :
1. Mencari sebaran (range) yakni selisih antara data paling besar
dengan data paling kecil) + 1 35 – 20 + 1= 16
2. Menentukan banyak kelas dengan rumus k = 1 + 3,3 log n
7 (ATURAN STURGES)
3. Menentukan panjang kelas dengan rumus
p = sebaran / banyak kelas 16/7 = 2
KELOMPOK USIA FREKUENSI
20 – 21 11
22 – 23 17
24 – 25 14
26 – 27 12
28 – 29 7
30 – 31 18
32 - 33 5
34 - 35 1
USIA FREKUENSI
20 5
21 6
22 13
23 4
24 7
25 7
26 7
27 5
28 3
29 4
30 15
31 3
33 5
35 1